PENERAPAN ALGORITMA KOMPRESI JPEG DAN METODE FUZZY C-MEANS PADA KOMPRESI CITRA BERBASIS ENTROPI
|
|
- Hendri Susanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENERAPAN ALGORITMA KOMPRESI JPEG DAN METODE FUZZY C-MEANS PADA KOMPRESI CITRA BERBASIS ENTROPI Dka Asoka Masatu 1, Indah Soesant 2, Hanung Ad Nugroho 3 Abstract Advances n technology demand nformaton to be processed, stored and delvered rapdly. Dgtal mage s an nformaton n the form of 2D whch requre memory as a meda of storage. Image compresson s necessary to optmze storage usage. In ths paper, an entropy-based mage compresson wll be generated usng JPEG. Ths entropy-based mage compresson wll be tested on mage wth 2 dfferent types of ntal compresson format, and. Before compressed, an mage wll be grouped nto clusters based on ts nformaton wth the help of Fuzzy C-Means. Informaton contaned wthn each clusters can be seen from ts entropy. Then each clusters wll be compressed usng JPEG wth dfferent qualty scale based on ts nformaton contaned. Fnal results obtaned s complete mage formed from all clusters. Where cluster wth low entropy wll not be compressed and cluster wth hgh entropy wll be compressed. Keywords entropy, Fuzzy C-Means, JPEG, mage compresson Intsar Kemajuan teknolog menuntut nformas yang dproses, dsmpan dan dkrm secara cepat. Ctra dgtal adalah nformas berbentuk 2D yang membutuhkan memor sebaga meda penympanannya. Kompres ctra dbutuhkan untuk mengoptmalkan penggunaan memor tersebut. Dalam makalah n akan dterapkan kompres ctra berbass entrop menggunakan JPEG. Kompres ctra berbass entrop n akan dujkan pada ctra dengan 2 jens format penympanan awal yang berbeda, yatu dan. Sebelum dkompres, ctra akan dkelompokkan menjad cluster-cluster tersendr sesua dengan kandungan nformasnya dengan bantuan Fuzzy C- Means. Kandungan nformas dalam tap cluster dapat dlhat berdasarkan nla entrop. Kemudan masngmasng cluster akan dkompres dengan JPEG dengan skala kualtas yang berbeda-beda sesua kandungan 1 Mahasswa Jurusan Teknk Elektro dan Teknolog Informas, Fakultas Teknk, Unverstas Gadjah Mada, Jl. Ny Pembayun, Yogyakarta INDONESIA (tlp: ; e-mal: masatu.dka@gmal.com) 2,3 Dosen Jurusan Teknk Elektro dan Teknolog Informas, Fakultas Teknk, Unverstas Gadjah Mada, Jl. Grafka No. 2 Kampus UGM, Yogyakarta INDONESIA (telp: ; fax: ; e-mal: ndah@mt.ugm.ac.d, emal: hanung@te.ugm.ac.d nformasnya. Hasl akhr yang ddapat berupa ctra keluaran utuh hasl penggabungan dar semua cluster. Dmana cluster dengan nla entrop yang rendah tdak akan dkompres dan cluster dengan nla entrop yang tngg akan dkompres. Kata Kunc entrop, Fuzzy C-Means, JPEG, kompres ctra I. PENDAHULUAN Ctra dgtal adalah nformas yang berada dalam bdang dua dmens. Ukuran ctra dgtal dnyatakan dalam pxel (pcture element). Sebuah ctra dgtal dengan dmens 100x200 pxel tersusun atas 100x200 = pxel. Ctra dgtal membutuhkan memor sebaga meda penympanannya. Karena pada kenyataannya kebanyakan ctra mengandung duplkas data, sehngga akan terjad pemborosan tempat [1]. Maka penghematan memor tersebut dapat dlakukan dengan melakukan kompres ctra. Teknk kompres ctra dapat dbag ke dalam dua kelompok, yatu metode lossless dan lossy. Metode lossless akan mampu menghaslkan ctra dekompres yang sama perss dengan ctra semula, namun raso kompres yang dhaslkan kecl. Sedangkan metode lossy akan menghaslkan raso kompres yang tngg dengan mengorbankan kualtas dan kemampuan untuk mengembalkan ctra ke ukuran aslnya [2]. Peneltan terkat kompres dengan penyandan entrop telah dlakukan oleh beberapa penelt terdahulu, namun belum menerapkan Fuzzy c-means Culterng. Peneltan n dbuat sebaga usaha untuk mengefsenskan penggunaan memor dalam kompres ctra. Kompres hanya akan dlakukan pada bagan tertentu yang danggap bukan nformas pentng yang perlu dpertahankan. Metode yang dterapkan adalah klasfkas ctra berupa clusterng untuk memsahkan objek utama dan latar. Kemudan Algortma kompres yang dgunakan adalah JPEG. A. Ctra Sebuah ctra adalah syarat berbentuk dua dmens yang dproses melalu nterpretas vsual oleh mata manusa. Isyarat tersebut awalnya berbentuk analog, untuk mempermudah dalam pemrosesan dan penympanan maka syarat tersebut dubah ke bentuk dgtal. Satu-satunya cara untuk mengoptmalkan 7
2 Artkel Reguler penympanan ctra dgtal saat n adalah dengan melakukan kompres ctra. B. Entrop Entrop adalah pengukuran nformas yang ddapat melalu observas dar data, dalam hal n berupa tngkat keacakan dalam penyebaran dstrbus data [3]. Jka nla pxel dalam sebuah ctra terdstrbus secara merata, maka kandungan entrop yang dmlk akan maksmum. Namun jka pxel yang dmlk hanya satu nla saja maka entrop yang dmlk akan bernla nol. C. Clusterng Pengelompokkan data (clusterng) merupakan proses membag data dalam suatu hmpunan ke dalam beberapa kelompok dmana kesamaan data dalam suatu kelompok lebh besar dbandngkan kesamaan data dalam kelompok lan [4]. Dalam hard clusterng, sebuah data hanya menjad anggota dalam satu kelompok tertentu dan tdak menjad anggota dalam kelompok lan. Sedangkan dalam fuzzy clusterng, level keanggotaan yang dmlk oleh suatu data dapat bernla antara rentang [0,1]. D. Fuzzy C-Means Salah satu dar beberapa Algortma fuzzy clusterng yang banyak dgunakan adalah Fuzzy C-Means (FCM) [5]. Konsep dasar dar Algortma FCM adalah menentukan pusat cluster yang akan menanda lokas rerata dar cluster tersebut. Pusat cluster awal pada umumnya dtentukan secara acak. Kemudan menentukan level keanggotaan pada tap data sesua dengan jaraknya terhadap pusat cluster. Lalu jka s dar tap cluster sudah tdak berubah lag maka teras dhentkan. Jka mash terus berubah maka perbakan pusat cluster dan level keanggotaan akan dlakukan terus sampa s dalam cluster tdak berubah lag. E. Insalsas Pusat Cluster FCM Penentuan pusat awal cluster secara acak dalam FCM memlk kelemahan. Kelemahan tersebut berupa ada kemungknan akan menghaslkan keluaran yang berbeda-beda meskpun dengan masukan yang sama. Ada banyak stud lteratur yang sudah dlakukan untuk mengatas kelemahan Algortma FCM tersebut [6]. Dalam makalah n, penuls akan menggunakan pendekatan heurstk dar metode Furthest Frst. F. JPEG Jont-Photograpc Experts Group (JPEG) adalah sebuah kelompok yang merancang sebuah Algortma kompres ctra lossy. JPEG lebh dkenal secara umum sebaga salah satu format ekstens penympanan ctra (). Tujuan utama dar kompres JPEG sederhana, yatu untuk menympan data yang dgunakan dalam representas dgtal dengan ukuran sekecl mungkn dengan tetap mempertahankan detl vsualnya [2]. JPEG bekerja dengan cara merubah ctra spasal dan merepresentaskannya ke dalam pemetaan frekuens dengan bantuan Dscrete Cosne Transform (DCT). II. METODOLOGI PENELITIAN Pada flowchart yang terdapat dalam Gbr 1 akan djelaskan mengena urutan proses yang terjad dalam melakukan kompres ctra berbass entrop n. Ctra masukan akan dbaca, kemudan dlakukan penentuan nsalsas pusat awal cluster. Lalu s dar tap cluster akan terus dperbak dengan FCM sampa konvergen. Perhtungan entrop akan menentukan skala kualtas (Q) yang akan dberkan dalam kompres JPEG untuk tap cluster. Hasl akhr berupa penggabungan semua cluster sehngga menghaslkan sebuah ctra utuh. III. PEMBAHASAN Dalam bagan n akan djelaskan lebh lanjut pembahasan serta langkah-langkah dlakukannya pengujan dalam makalah n. Dalam pengujan pada makalah n, jumlah cluster yang dgunakan sebanyak 6 buah. Adapun ctra uj yang dgunakan dalam pengujan n dtunjukkan dalam Gbr 2. START baca ctra masukan nsalsas pusat awal cluster kelompokkan ctra dengan FCM htung entrop tap cluster dan tentukan skala kualtas (Q) kompres tap cluster dengan JPEG sesua Q masng-masng gabungkan semua cluster tamplkan ctra keluaran END Gbr 1. Flowchart kompres ctra berbass entrop. Gbr 2. Ctra uj yang dgunakan (a) (b) (c) TABEL 1 SPESIFIKASI CITRA UJI YANG DIGUNAKAN. Ctra Ekstens Fle Lebar Pxel Ukuran 500 x x x KB 250 KB 63,8 KB 474 KB 22,3 KB 232 KB 8 Volume
3 Spesfkas dar masng-masng ctra uj yang akan dgunakan dtunjukkan dalam TABEL 1. Dalam makalah n, tap ctra uj yang dgunakan terdr dar 2 format penympanan awal, yatu dan. A. Pusat Awal dan Pusat Akhr Cluster Insalsas pusat awal cluster n dlakukan melalu pendekatan heurstk dar metode Furthest Frst. Insalsas pusat awal n dlakukan sebelum dterapkannya Algortma FCM. Hasl yang dperoleh pada ctra dalam nsalsas pusat awal cluster n dtunjukkan dalam Gbr 3. Bagan yang bukan merupakan anggota dar cluster yang bersangkutan dtanda dengan pxel htam (0,0,0 dalam RGB). Gbr 3. Objek yang terdapat pada masng-masng cluster dalam nsalsas pusat awal pada ctra (a).jpg dan (b).png. Hasl dar pengujan pusat akhr cluster ddapatkan setelah melakukan clusterng dengan FCM. Hasl yang dperoleh pada ctra setelah s dar masngmasng cluster tdak berubah lag dtunjukkan dalam Gbr 4. Dar perbandngan antara Gbr 3 dan Gbr 4 dapat terlhat bahwa terjad sedkt perubahan anggota dalam tap cluster. Hal tersebut menandakan bahwa nsalsas yang dlakukan sudah cukup bak, sehngga hanya perlu sedkt teras untuk melakukan perubahan agar hasl akhrnya konvergen. Dapat terlhat juga bahwa proses clusterng yang berbeda terjad pada format dan meskpun ctra ujnya sama. B. Entrop dan Penentuan Skala Kualtas Setelah semua anggota tap cluster dalam FCM sudah tdak berubah lag maka dapat dhtung nla entrop dar masng-masng cluster. Dar nla entrop yang dhaslkan maka dapat dbuat batas-batas sehngga dapat dtentukan skala kualtas (Q) yang akan dgunakan dalam kompres JPEG. Adapun batas-batas nla entrop tersebut antara lan, apabla a. entrop <= 0,65; maka Q = 100. b. 0,65 < entrop <= 0,75; maka Q = 90. c. 0,75 < entrop <= 0,85; maka Q = 80. d. 0,85 < entrop <= 0,95; maka Q = 70. e. entrop > 0,9; maka Q = 60; Entrop yang dhaslkan dar tap ctra uj dan skala kualtasnya dtunjukkan dalam TABEL 2. Jka dalam sebuah cluster terdapat nla pxel tertentu yang probabltasnya besar sekal maka dapat dpastkan bahwa s dar cluster tersebut merupakan nformas yang tdak pentng dan dapat danggap sebaga objek latar. Dalam penentuan skala kualtas, semakn pentng nformas yang ada d dalamnya maka cluster tersebut hanya akan dkompres sedkt sehngga skala kualtasnya besar. C. Kompres JPEG Setelah dketahu skala kualtasnya maka kompres JPEG yang berbeda dapat dlakukan pada masngmasng cluster. Hasl yang dperoleh pada ctra dalam kompres JPEG n dtunjukkan dalam Gbr 5. Dar hasl yang terlhat dalam TABEL 2, jka ada cluster dengan nla Q=100 maka cluster tersebut tdak akan dkompres sama sekal. D. Ctra Keluaran Setelah dkompres, bagan terakhr merupakan penggabungan 6 cluster tersebut. Hasl akhr yang dperoleh pada ctra cluster setelah 6 cluster tersebut dgabungkan dtunjukkan dalam Gbr 6. Gbr 7 menunjukkan ctra error yang dhaslkan, untuk bagan dar ctra yang tdak mengalam perubahan pxel dtanda dengan warna puth. Dar hasl tersebut dapat terlhat bahwa keluaran yang dhaslkan oleh kedua jens format sedkt berbeda, meskpun secara vsual terlhat sama. Gbr 4. Objek yang terdapat pada masng-masng cluster akhr pada ctra (a).jpg dan(b).png. 9
4 Artkel Reguler Gbr 6. Perbandngan antara ctra masukan (kr) dan ctra keluaran (kanan) pada ctra (a).jpg dan (b).png. Gbr 5. Objek yang terdapat pada masng-masng cluster setelah kompres JPEG pada ctra (a).jpg dan (b).png. Ctra Gbr 7. Perbandngan ctra error yang dhaslkan pada ctra (a).jpg dan (b).png. TABEL 2 ENTROPI DAN SKALA KUALITAS YANG DIHASILKAN TIAP CLUSTER. Entrop (H) dan Skala Kualtas (Q) Ekstens Fle C1 C2 C3 C4 C5 C6 H Q H Q H Q H Q H Q H Q 0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , E. Waktu Kompres Waktu yang dbutuhkan untuk melakukan kompres pada tap-tap ctra uj dtunjukkan dalam TABEL 3. TABEL 3 WAKTU KOMPRESI YANG DIBUTUHKAN. Ctra Ekstens Fle Waktu 1 ment 35 detk 1 ment 43 detk 1 ment 15 detk 1 ment 52 detk 2 ment 51 detk 1 ment 36 detk Berdasarkan hasl yang terlhat dalam TABEL 3, terlhat bahwa 2 dar total 3 ctra uj dengan format membutuhkan waktu yang lebh lama bla dbandngkan dengan ctra dengan format. Waktu komputas palng lama terjad d bagan FCM karena tap ctra membutuhkan jumlah teras yang berbeda-beda sebelum menghaslkan cluster akhr yang konvergen. Waktu komputas yang lama dapat pula berart bahwa teras yang dlakukan sedang mencoba untuk mencar solus berupa global optma. Sehngga dengan kata lan, dapat dasumskan semakn lama waktu yang dbutuhkan maka semakn bak hasl clusterng yang terjad. F. Raso Kompres Raso kompres yang dhaslkan oleh tap-tap ctra uj dtunjukkan dalam TABEL 4. Dapat terlhat bahwa ctra uj dengan format menghaslkan raso kompres hanya sedkt sekal, tdak sebesar pada ctra uj dengan format. Hal tersebut dkarenakan sebelum dgunakan sebaga ctra uj dalam tugas akhr n ctra tersebut sudah dkompres masng-masng dengan Algortma JPEG dan Algortma PNG, dmana JPEG bersfat lossy dan PNG bersfat lossless sehngga ctra masukan dengan ekstens sebelumnya sudah berukuran lebh kecl darpada ctra masukan dengan ekstens. Ctra TABEL 4 RASIO KOMPRESI YANG DIHASILKAN. Ukuran Ukuran Ekstens Sebelum Setelah Fle Kompres Kompres Raso Kompres 23,1 KB 20,8 KB KB 20,7 KB ,8 KB 52,7 KB KB 49,3 KB ,3 KB 20,5 KB KB 21,4 KB Volume
5 G. Kualtas Kompres Pengukuran kualtas kompres secara kuanttatf akan dlakukan melalu 3 cara, yatu. 1. Pengukuran error dan perubahan pxel dengan Mean Square Error (MSE) & Peak Sgnal-to- Nose Rato (PSNR) [7]. 2. Pengukuran kemrpan dengan Structural SIMlarty (SSIM) [8]. 3. Pengukuran korelas dengan Pearson s Coeffcent Correlaton (PCC) [9]. Hasl dar ketga pengukuran tersebut dtunjukkan dalam TABEL 5. Ctra TABEL 5 PENGUKURAN MSE, PSNR, SSIM DAN PCC. Ektens Fle MSE* PSNR* SSIM* PCC* *berdasarkan channel warna hjau RGB Berdasarkan pengukuran MSE & PSNR, semakn besar nla MSE maka semakn banyak perubahan nla pxel yang terjad antara ctra masukan dan ctra keluaran [7]. Sedangkan semakn besar nla PSNR maka kualtas ctra keluarannya semakn mendekat ctra masukannya. Rentang nla PSNR untuk ctra dengan kualtas vsual yang danggap bak pada kompres lossy sektar 30-50dB [10]. Berdasarkan pengukuran SSIM, jka nla SSIM yang dhaslkan mendekat nla 1, maka ctra keluaran tersebut semakn mrp dengan ctra masukannya [11]. Berdasarkan pengukuran PCC, jka nla PCC yang dhaslkan semakn besar maka tngkat korelas antara ctra masukan dan ctra keluaran semakn besar [12]. Dar semua pengukuran dalam TABEL 5, ternyata semua pengukuran memberkan hasl yang sama, yatu ctra uj dengan format selalu menghaslkan ctra keluaran dengan kualtas yang lebh bak dbandngkan dengan ctra uj dengan format. IV. KESIMPULAN Metode clusterng yang dmlk FCM dapat dgabungkan dengan metode kompres JPEG untuk menghaslkan kompres ctra berbass entrop. Kompres ctra berbass entrop yang drancang dapat mempertahankan kandungan nformas yang pentng dalam sebuah ctra dengan cara tdak melakukan kompres pada cluster dengan entrop rendah. Entrop yang rendah dalam sebuah cluster menandakan penyebaran pxel yang dmlk hampr tdak seragam dan jumlahnya sedkt, sehngga dapat danggap sebaga nformas pentng dan d bagan n tdak akan dkompres. Sedangkan entrop yang tngg menandakan penyebaran pxel-nya seragam dan jumlahnya banyak, sehngga dapat danggap sebaga nformas yang kurang pentng dan d bagan n akan dkompres. Dar keseluruhan proses, waktu palng lama terjad d bagan clusterng dalam FCM karena adanya teras yang berulang-ulang agar konvergens cluster tercapa. Berdasarkan semua pengujan yang telah dlakukan, ctra dengan format memberkan keluaran yang lebh bak dbandngkan ctra dengan format, bak d ss ukuran, kualtas secara kualtatf (vsual) maupun kualtas secara kuanttatf (perhtungan matemats). Raso kompres terkecl yang dapat dcapa pada peneltan n adalah 0,0828. REFERENSI [1] R. Munr, Pengolahan Ctra Dgtal dengan Pendekatan Algortmk. Bandung: Informatka, [2] J. W. O'Bren, "The JPEG Image Compresson Algorthm," [3] M. R. Sabuncu, "Entropy-Based Image Regstraton," Nov [4] C. T. Sun, J. S. R. Jang, and E. Mzutan, Neuro-Fuzzy and Soft Computng: A Computatonal Approach to Learnng and Machne Intellgence. Englewood Clffs: Prentce-Hall, [5] N. Wakhdah, "Clusterng Menggunakan K-Means Algorthm". [6] Irwanto, Y. Purwananto, and R. Soelaman, "Optmas Knerja Algortma Klastersas K-Means," Jurnal Teknk ITS Vol. 1, No. 1, pp. A197-A202, [7] Z. Wang and A. C. Bovk, "Mean Squared Error: Love It or Leave It?," IEEE SIGNAL PROCESSING MAGAZINE, January [8] Z. Wang, A. C. Bovk, H. R. Shekh, and E. P. Smoncell, "Image Qualty Assessment: From Error Vsblty to Structural Smlarty," IEEE TRANSACTIONS ON IMAGE PROCESSING, vol. 13, No. 4, pp , Apr [9] A. A. Goshtasby, Image Regstraton: Prncples, Tools and Methods (Advances n Computer Vson and Pattern Recognton). London: Sprnger, [10] S. Morell, A. Gordano, and D. Gasant, "Routne Tests for Both Plannng and Evaluatng Image Qualty n Tele- Echocardography," ANN IST SUPER SANITA, vol. 45, No. 4, pp , [11] J. Østergaard, M. S. Derpch, and S. S. Channappayya, "The Hgh-Resoluton Rate-Dstorton Functon under the Structural Smlarty Index," EURASIP Journal on Advances n Sgnal Processng, [12] N. Fenton and M. Nel, Rsk Assessment and Decson Analyss wth Bayesan Networks. CRC Press,
BAB I PENDAHULUAN. suatu komputer digital [12]. Citra digital tersusun atas sejumlah elemen.
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Ctra dgtal merupakan ctra hasl dgtalsas yang dapat dolah pada suatu komputer dgtal [12]. Ctra dgtal tersusun atas sejumlah elemen. Elemen-elemen yang menyusun ctra
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI09191 IMPLEMENTASI SEGMENTASI CITRA RESONANSI MAGNETIK OTAK MENGGUNAKAN ALGORITMA FUZZY C-MEANS YANG DIMODIFIKASI BERDASARKAN KORELASI ANTAR PIKSEL (Kata Kunc : Segmentas Fuzzy
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciHistogram Citra. Bab Membuat Histogram
Bab 6 Hstogram Ctra I nformas pentng mengena s ctra dgtal dapat dketahu dengan membuat hstogram ctra. Hstogram ctra adalah grafk yang menggambarkan penyebaran nla-nla ntenstas pxel dar suatu ctra atau
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciPENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL
Arad Retno TH, Pengembangan Metode Algortma Gen, Hal 93-0 PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL Arad Retno Tr Hayat Abstrak Metode optmas
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciREKONSTRUKSI CITRA PADA SUPER RESOLUSI MENGGUNAKAN PROJECTION ONTO CONVEX SETS
REKONSTRUKSI CITRA PADA SUPER RESOLUSI MENGGUNAKAN PROJECTION ONTO CONVEX SETS Nama Mahasswa : Achmad Bryand NRP : 1207 100 006 Jurusan : Matematka FMIPA-ITS Dosen Pembmbng : 1. Dr. Imam Mukhlash, S.S,
Lebih terperinciPENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA
PENERAPAN MEODE LINIEAR DISCRIMINAN ANALYSIS PADA PENGENALAN AJAH ERASIS KAMERA Asep Sholahuddn 1, Rustam E. Sregar 2,Ipng Suprana 3,Setawan Had 4 1 Mahasswa S3 FMIPA Unverstas Padjadjaran e-mal: asep_sholahuddn@yahoo.com
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciBAB III METODE KOMPRESI DAN DEKOMPRESI. untuk setiap B X. fraktal. Penjelasan dimulai dengan pengenalan Multiple Reduction Copy
BAB III METODE KOMPRESI DAN DEKOMPRESI Kompres ctra fraktal memodelkan ctra sebaga lmt dar suatu proses teras. Jka dberkan suatu ctra A X, metode n akan mencar suatu proses W sedemkan sehngga ttk tetap
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciSEGMENTASI CITRA BERWARNA MENGGUNAKAN ALGORITMA JSEG
SEGMENTASI CITRA BERWARNA MENGGUNAKAN ALGORITMA JSEG Rully Soelaman 1), Darls Herumurt ), Dyah Wardhan Kusuma. 3) Fakultas Teknolog Informas, Insttut Teknolog Sepuluh Nopember (ITS), Surabaya, 6111, Indonesa
Lebih terperinciPENGENALAN HURUF BRAILLE BERBASIS JARINGAN SYARAF TIRUAN METODA HEBBRULE
1 PENGENALAN HURUF BRAILLE BERBASIS JARINGAN SARAF TIRUAN METODA HEBBRULE un Ennggar 1, Wahyul Amen Syafe, ST, MT 2, Bud Setyono,ST,MT 2 Jurusan Teknk Elektro, Fakultas Teknk Unverstas, Dponegoro Jl. Prof.
Lebih terperinciPEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN SYARAF
PEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN YARAF r Kusumadew Jurusan Teknk Informatka, Fakultas Teknolog Industr Unverstas Islam Indonesa Yogyakarya emal: cce@ft.u.ac.d Abstrak
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini
BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciPENGENALAN JENIS-JENIS IKAN MENGGUNAKAN METODE ANALISIS KOMPONEN UTAMA
MAKALAH SEMINAR TUGAS AKHIR PENGENALAN JENIS-JENIS IKAN MENGGUNAKAN METODE ANALISIS KOMPONEN UTAMA Suharto Jat Santoso *, Bud Setyono **, R. Rzal Isnanto ** Abstrak - Selama n pengenalan jens kan pada
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and
III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciBab III Analisis dan Rancangan Sistem Kompresi Kalimat
Bab III Analss dan Rancangan Sstem Kompres Kalmat Bab n bers penjelasan dan analss terhadap sstem kompres kalmat yang dkembangkan d dalam tess n. Peneltan n menggunakan pendekatan statstcal translaton
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciBAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciANALISIS ALGORITMA BAYESIAN TERHADAP BASIS KASUS UNTUK KERUSAKAN PERSONAL COMPUTER (PC)
ANALISIS ALGORITMA BAYESIAN TERHADAP BASIS KASUS UNTUK KERUSAKAN PERSONAL COMPUTER (PC) Dna Maulna Sstem Informas STMIK AMIKOM Yogyakarta emal : dna.m@amkom.ac.d Abstract Personal Computer ( PC ) s a set
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciPERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT
BIAStatstcs (05) Vol. 9, No., hal. -7 PERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT Faula Arna Jurusan Teknk Industr, Unverstas Sultan Ageng Trtayasa Banten Emal : faulaarna@yahoo.com
Lebih terperinciPengenalan Karakter Tulisan Tangan Angka dan Operator Matematika Berdasarkan Zernike Moments Menggunakan Support Vector Machine
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Prnt) 1 Pengenalan Karakter Tulsan Tangan Angka dan Operator Matematka Berdasarkan Zernke Moments Menggunakan Support Vector Machne
Lebih terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciBAB III METODE PENELITIAN. problems. Cresswell (2012: 533) beranggapan bahwa dengan
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan kombnas atau mxed methods. Cresswell (2012: 533) A mxed methods research desgn s a procedure for collectng, analyzng and mxng
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan
Lebih terperinciSEGMENTASI BERBASIS REGION PADA CITRA BERWARNA UNTUK KEPERLUAN TEMU KEMBALI CITRA PADA EVENT OLAH RAGA LAPANGAN HIJAU
EGMENTAI BERBAI REGION PADA CITRA BERWARNA UNTUK KEPERLUAN TEMU KEMBALI CITRA PADA EVENT OLAH RAGA LAPANGAN HIJAU Arf Basof,.Kom, Moch. Harad, T, M.c, Ph.D. Program Magster Bdang Keahlan Jarngan Cerdas
Lebih terperinciANALISIS KEMIRIPAN POLA CITRA DIGITAL MENGGUNAKAN METODE EUCLIDEAN
AALISIS KEMIRIPA POLA CITRA DIGITAL MEGGUAKA METODE EUCLIDEA Eus St ur Asyah1), Abdul Hayat2), Puspa Wdant3), Shnta Yulnda Prasetya4), Helm Iskandar5) 1), 2 ), 3) Komputersas Akuntans AMIK Raharja Informatka
Lebih terperinciIMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING
IMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING M. Helmy Noor 1, Moh. Harad 2 Program Pasasarjana, Jurusan Teknk Elektro, Program Stud Jarngan Cerdas
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
PENDAHULUAN Latar Belakang Pada saat n penamplan nformas dalam bentuk ctra semakn banyak dbutuhkan Hal n tdak lepas dar karakterstk ctra yang cenderung mudah dpaham Surat kabar, televs, dan stus web d
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciPenerapan Metode Runge-Kutta Orde 4 dalam Analisis Rangkaian RLC
Penerapan Metode Runge-Kutta Orde 4 dalam Analss Rangkaan RLC Rka Favora Gusa JurusanTeknk Elektro,Fakultas Teknk,Unverstas Bangka Beltung rka_favora@yahoo.com ABSTRACT The exstence of nductor and capactor
Lebih terperinciPEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant)
PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Stud Kasus : Metode Secant) Melda panjatan STMIK Bud Darma, Jln.SM.Raja No.338 Sp.Lmun, Medan Sumatera Utara Jurusan Teknk Informatka e-mal : meldapjt.78@gmal.com
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciBAB II TINJAUAN TEORETIS
4 BAB II TINJAUAN TEORETIS 2. Ctra Dgtal Ctra dgtal saat n banyak dgunakan dalam berbaga bdang. Mula dar keperluan sehar har sepert cetak foto, pemetaan hutan, dentfkas forensk, rekam meds dengan menggunakan
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciPERBANDINGAN METODE PREDIKSI PENYELESAIAN PROYEK EARNED VALUE MANAGEMENT DAN EARNED SCHEDULE
PERBANDINGAN METODE PREDIKSI PENYELESAIAN PROYEK EARNED VALUE MANAGEMENT DAN EARNED SCHEDULE Elsa Oktavtr And Tenrsukk Tenrajeng 2 Fakultas Teknk Spl Unverstas Gunadarma Abstrak Tujuan utama dalam sebuah
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciSEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN
AALISIS DISKRIMIA DISKRIT UTUK MEGELOMPOKKA KOMPOE Bernk Maskun Jurusan Statstka FMIPA UPAD jay_komang@yahoo.com Abstrak Untuk mengelompokkan hasl pengukuran yang dukur dengan p buah varabel dmana penlaan
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis
BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan
Lebih terperinciIMPLEMENTASI SEGMENTASI CITRA INTERAKTIF MENGGUNAKAN REGION MERGING BERBASIS SIMILARITAS MAKSIMAL
MAKALA EMINAR TUGA AKIR PERIODE JULI 00 IMPLEMENTAI EGMENTAI CITRA INTERAKTIF MENGGUNAKAN REGION MERGING ERAI IMILARITA MAKIMAL Ayu Arta Paramta Relga, andayan Tjandrasa, Anny Yunart 3 Teknk Informatka,
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan yang akan dgunakan dalam peneltan n adalah peneltan pengembangan (Research and Development). Peneltan Research and Development (R&D) n merupakan
Lebih terperinciJULIO ADISANTOSO - ILKOM IPB 1
KOM341 Temu Kembal Informas KULIAH #9 Text Clusterng Clusterng Pengelompokan, penggerombolan Proses pengelompokan sekumpulan obyek ke dalam kelas-kelas obyek yang memlk sfat sama. Unsupervsed learnng JAS
Lebih terperinciMETODE PENELITIAN. dalam penelitian ini adalah siswa kelas XI IPA 2 Tahun Pelajaran
III. METODE PENELITIAN A. Settng Peneltan Peneltan n menggunakan data kuanttatf dengan jens Peneltan Tndakan Kelas (PTK). Peneltan n dlaksanakan d SMAN 1 Bandar Lampung yang beralamat d jalan Jend. Sudrman
Lebih terperinciALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN
ALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN Hendra Bunyamn Jurusan Teknk Informatka Fakultas Teknolog Informas Unverstas Krsten Maranatha
Lebih terperinciBAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun
BAB II TINJAUAN PUSTAKA 2.1 Aljabar Boolean Barnett (2011) menyatakan bahwa Aljabar Boolean dpublkaskan oleh George Boole dalam An Investgaton of the Laws of Thought pada tahun 1954. Dalam karya n, Boole
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciPEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)
PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,
Lebih terperinciPENERAPAN METODE FORGY PADA PERILAKU LEBAH PENJELAJAH DALAM ARTIFICIAL BEE COLONY
PENERAPAN METODE FORGY PADA PERILAKU LEBAH PENJELAJAH DALAM ARTIFICIAL BEE COLONY I Made Wdartha Program Stud Teknk Informatka Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Udayana emal : madewdartha@cs.unud.ac.d
Lebih terperinciBAB IV PERHITUNGAN DAN ANALISIS
BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinciBAB III METODOLOGI PENELITIAN. dalam situs BAPEPAM dan berjumlah dua puluh delapan reksadana yang berasal dari dua
BAB III METODOLOGI PENELITIAN 3.1. Ruang Lngkup Peneltan Reksadana yang dgunakan dalam peneltan n adalah reksadana yang terdaftar dalam stus BAPEPAM dan berjumlah dua puluh delapan reksadana yang berasal
Lebih terperinciIII.METODE PENELITIAN. Pada penelitian ini subyek yang digunakan adalah siswa VII A SMPN 5
33 III.METODE PENELITIAN A Jens Dan Desan Peneltan. Jens peneltan yang dgunakan dalam peneltan n adalah peneltan kuanttatf. Peneltan n merupakan peneltan korelas yang bertujuan untuk mengetahu hubungan
Lebih terperinciBAB IV HASIL PENELITIAN
6 BAB IV HAIL PENELITIAN A. Deskrps Data Hasl Peneltan Untuk mengetahu keefektfan penerapan model pembelajaran cooperatve learnng tpe TAD (tudent Teams-Achevement Dvsons) terhadap hasl belajar matematka
Lebih terperinciSOLUSI TUGAS MATA KULIAH STATISTIKA II
SOLUSI TUGAS MATA KULIAH STATISTIKA II SOAL : Suatu Peneltan dlakukan untuk menelaah empat metode pengajaran, yatu Metode A (ceramah d kelas), Metode B (mengajak dskus langsung dengan sswa), Metode C (ceramah
Lebih terperinciPROTOTYPE APLIKASI UNTUK MENGUKUR KEMATANGAN BUAH APEL BERDASAR KEMIRIPAN WARNA
PROTOTYPE APLIKASI UNTUK MENGUKUR KEMATANGAN BUAH APEL BERDASAR KEMIRIPAN WARNA Catur Iswahyud Program Stud Teknk Informatka, Fakultas Teknolog Industr Insttut Sans & Teknolog AKPRIND Yogyakarta Emal :
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam
1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi
3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V
Lebih terperinciMETODE THRESHOLDING UNTUK SEGMENTASI CITRA TELUR BERBASIS ANDROID
METODE THRESHOLDING UNTUK SEGMENTASI CITRA TELUR BERBASIS ANDROID Fersa Setyanngrum 1, Kartka Frdausy 2 Program Stud Teknk Elektro, Fakultas Teknolog Industr, Unverstas Ahmad Dahlan Jl. Prof. Dr. Soepomo,
Lebih terperinciBAB IV PENGUJIAN DAN ANALISA
BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana
Lebih terperinciTINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph
TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper
Lebih terperinciNama : Crishadi Juliantoro NPM :
ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang
Lebih terperinciPENENTUAN DENSITAS PERMUKAAN
PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan
Lebih terperinciANALISIS SENTIMEN PENGGUNA JEJARING SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE
ANALISIS SENTIMEN PENGGUNA JEJARING SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE M. Fachrurroz, M.T. 1, Nov Yuslan, M.T. 2 1,2 Jurusan Teknk Informatka Fakultas Ilmu Komputer, Unverstas Srwjaya 1 obetsobets@gmal.com,
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciKOMPARASI HASIL BELAJAR SISWA DENGAN MEDIA MACROMEDIA FLASH DAN MICROSOFT POWERPOINT YANG DISAMPAIKAN MELALUI PENDEKATAN CHEMO-EDUTAINTMENT
Sgt Pratmoko, dkk. Komparas Hasl Belajar Sswa... 99 KOMPARASI HASIL BELAJAR SISWA DENGAN MEDIA MACROMEDIA FLASH DAN MICROSOFT POWERPOINT YANG DISAMPAIKAN MELALUI PENDEKATAN CHEMO-EDUTAINTMENT Sgt Pratmoko,
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu
4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tujuan Peneltan Adapun tujuan dar peneltan n adalah:. Untuk mengetahu pelaksanaan model pembelajaran Problem Based Learnng pada mater pokok kalor kelas VII d MTs Nurul Itthad
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Menghadap era globalsas yang penuh tantangan, aparatur negara dtuntut untuk dapat memberkan pelayanan yang berorentas pada kebutuhan masyarakat dalam pemberan pelayanan
Lebih terperinciMETODE OPTIMASI 11/13/2015. Capaian Pembelajaran
2 Capaan Pembelajaran METODE OPTIMASI N. Tr Suswanto Saptad Mahasswa dapat memaham dan mampu mengaplkaskan beberapa metode untuk menyelesakan masalah dengan alternatfalternatf dalam jumlah yang relatf
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinci